Results from Sanders and Ritzman (1989) and the ``M'' competition (Makridakis, 1989) lead to one major conclusion: simple forecasting models (moving averages, Holt-Winters, trend analyses, etc.) perform as well as complex models (econometric, input-output analyses, Box-Jenkins, Fourier analyses, spectral analyses, etc.). Both the complex time series and causal models were less accurate than simple models for two reasons. First, the complex time series models (Box-Jenkins, Fourier analyses, and spectral analyses) assume that sales are related to time periods. Second, the forecasts are limited by a lack of theoretical basis as described earlier. Since the complex forecasting methods do not improve forecast accuracy, it is important to use managerial judgement to improve the accuracy. The high cost of complex forecasting models suggests that managers expect greatly improved accuracy and are relatively dissatisfied with the models when they are not more accurate. Empirical studies on the level of satisfaction with
ผลจาก แซนเดอร์ส และ ritzman ( 1989 ) และ ' ' m ' ' การแข่งขัน ( makridakis , 1989 ) นำไปสู่การหนึ่งที่สำคัญสรุปง่ายๆแบบพยากรณ์ ( ค่าเฉลี่ยเคลื่อนที่ Holt ฤดูหนาวแนวโน้มการวิเคราะห์ , ฯลฯ ) แสดงเป็นรุ่นที่ซับซ้อน ( เศรษฐมิติการวิเคราะห์ปัจจัยการผลิตและผลผลิต , กล่อง , เจนกินส์ ฟูเรียร์การวิเคราะห์ , การวิเคราะห์สเปกตรัม , ฯลฯ )แบบจำลองอนุกรมเวลาทั้งซับซ้อนและสาเหตุได้ถูกต้องน้อยกว่าแบบง่าย ๆสำหรับสองเหตุผล แรก , ซับซ้อนรูปแบบอนุกรมเวลา ( กล่อง เจนกินส์ ฟูเรียร์ การวิเคราะห์ข้อมูล และวิเคราะห์สเปกตรัม ) ถือว่าการขายเกี่ยวข้องกับช่วงเวลา ประการที่สอง และจะถูก จำกัด โดยขาดหลักวิชาตามที่อธิบายไว้ก่อนหน้านี้ตั้งแต่วิธีการพยากรณ์ที่ซับซ้อนไม่ปรับปรุงการคาดการณ์ความถูกต้อง มันเป็นสิ่งสำคัญที่จะใช้บริหารการตัดสินใจเพื่อปรับปรุงความถูกต้อง ค่าใช้จ่ายสูงของซับซ้อนแบบจำลองการคาดคะเนแสดงให้เห็นว่าผู้บริหารคาดหวังมาก การปรับปรุงความถูกต้องและค่อนข้างไม่พอใจกับโมเดลเมื่อพวกเขาจะไม่ ถูกต้องมากขึ้น การศึกษาเชิงประจักษ์ในระดับของความพึงพอใจกับ
การแปล กรุณารอสักครู่..